简体中文(ZH-CN) English(EN) 繁体中文(ZH-TW) 日本語(JA) 한국어(KO) Melayu(MS) Français(FR) Deutsch(DE)
ruby - Nokogiri 抓取网页乱码如何解决？
巴扎黑
巴扎黑 2017-04-22 09:00:21
0
1
703

最近在帮同学在一个网站上抓取一些东西，比如 http://www.sell001.com/110178 上面的服装图片，标题和价格等等。

这个网站有点奇怪，他 meta 里面没有声明 charset，然后我用 Nokogiri ，也没有指定特定的 encoding。

抓了一些图片和链接都是可以的，但是碰到有中文的情况时它就乱码了。

我看官方文档 http://www.nokogiri.org/tutorials/parsing_an_html_xml_document.html，
Nokogiri 可以指定 encoding，比如doc = Nokogiri.XML('', nil, 'EUC-JP')
我试了指定一些比如 gbk 等等，都无效。。

这种情况该如何解决？

巴扎黑
巴扎黑

répondre à tous (1)
阿神
阿神2017-04-22 09:02:21 1 plancher 
doc = Nokogiri::HTML(open('http://www.sell001.com/110178'),nil,'UTF-8')

=> #(Document :0x3fc3974355f4 {
nom = "document",
enfants = [
#(DTD:0x3fc397424bf0 { nom = "html" }),
#(Élément :0x3fc39741fc18 {
nom = "html",
attributs = [
#(Attr:0x3fc39740fa20 {
nom = "xmlns",
valeur = "http://www.w3.org/1999/xhtml"
})],
enfants = [
#(Texte "rn"),
#(Élément :0x3fc3973da190 {
nom = "tête",
enfants = [
#(Texte "rn"),
#(Élément :0x3fc3973cf6dc {
nom = "titre",
enfants = [ #(Texte "九天国际A218-网商园")]
}),

utf-8正常解析。。。

Comme+0
Ajouter une réponse
    Sujets populaires
    Plus>
    Articles populaires
    Tutoriels populaires
    Plus>
    Tutoriels associés
    Recommandations populaires
    Derniers cours
    Derniers téléchargements
    Plus>
    effets Web
    Code source du site Web
    Matériel du site Web
    Modèle frontal
    À propos de nous Clause de non-responsabilité Sitemap
    Site Web PHP chinois：Formation PHP en ligne sur le bien-être public，Aidez les apprenants PHP à grandir rapidement！